# 基于YOLOv12和MediaPipe的人体跌倒检测系统
一个使用计算机视觉技术的实时跌倒检测系统，采用YOLOv12进行人体检测，MediaPipe进行姿态估计。该系统具有直观的仪表盘，用于监控和分析跌倒事件。
## 功能特点
- **实时检测**：实时处理来自网络摄像头或视频文件的视频流
- **跌倒类型分类**：区分四种跌倒类型：绊倒、滑倒、跌倒和绊跌
- **现代化PyQt5仪表盘**：具有统计信息、图表和历史记录跟踪的用户友好界面
- **多人检测**：可同时跟踪和分析多个人员
- **高级姿态分析**：监测关键身体点（肩膀、臀部、脚部）以准确评估跌倒
- **可调节灵敏度**：为不同环境微调检测阈值
- **智能跌倒计数**：通过人员跟踪和冷却时间防止重复计数
- **自动跌倒快照**：检测到跌倒时捕获并存储图像
- **声音警报**：检测到跌倒时发出音频通知
- **命令行模式**：还支持无头命令行模式以进行部署
## 系统要求
- Python 3.7-3.10（Python 3.11+可能与某些依赖项存在兼容性问题）
- PyTorch
- OpenCV
- MediaPipe
- Ultralytics (YOLOv12)
- PyQt5
- Matplotlib
- NumPy
## 安装说明
1. 下载源码：
2. 安装依赖项：
```
pip install -r requirements.txt
```
3. 安装PyQt5（如果requirements中未包含）：
```
pip install PyQt5==5.15.10 PyQt5-Qt5==5.15.2 PyQt5-sip==12.13.0 matplotlib
```
4. 下载YOLOv12模型（首次运行时自动下载，或手动放置在项目根目录）
## 使用方法
### 仪表盘模式（推荐）
```
python fall_detection_system.py --mode dashboard
```
### 命令行模式
```
python fall_detection_system.py --mode cli --source 0
```
### 选项参数
- `--mode`：应用程序模式（`dashboard` 或 `cli`）
- `--model`：YOLOv12模型文件路径（默认：`yolov12n1.pt`）
- `--conf`：检测置信度阈值（0-1）
- `--source`：视频源（0表示网络摄像头，或视频文件路径）
- `--fall-threshold`：跌倒检测灵敏度阈值（0-1）
- `--angle-threshold`：身体角度阈值（0-90度）
- `--save-falls`：检测到跌倒时保存帧
- `--output-dir`：保存跌倒快照的目录
## 系统架构
系统由几个关键组件组成：
1. **YOLOv12人体检测**：识别视频帧中的人体
2. **MediaPipe姿态估计**：从检测到的人体中提取骨骼数据
3. **跌倒检测算法**：分析姿态数据以检测跌倒，标准包括：
- 相对于垂直方向的身体角度
- 身体纵横比（水平与垂直方向）
- 突然的垂直位置变化
- 运动模式分析
4. **人员跟踪**：跨帧跟踪个人以保持身份识别
5. **PyQt5仪表盘**：提供实时监控和分析
## 跌倒分类标准
- **绊倒**：逐渐的角度变化伴中等速度
- **滑倒**：快速角度变化伴高速度
- **跌倒**：前向动量伴中等角度变化
- **绊跌**：最小水平移动伴显著垂直下降
## 项目结构
```
fall-detection-system/
├── models/
│ └── fall_detector.py # 核心跌倒检测模型
├── dashboard/
│ └── dashboard_app.py # PyQt5仪表盘UI应用程序
├── utils/
│ └── utils.py # 工具函数
├── fall_snapshots/ # 跌倒图像目录
├── fall_detection_system.py # 主应用程序脚本
├── README.md # 项目文档
└── requirements.txt # 项目依赖
```
## 最近改进
- 增强了跌倒检测算法，采用更严格的标准
- 添加了冷却时间以防止重复跌倒计数
- 改进了针对不同环境的灵敏度控制
- 添加了全面的跌倒类型分类
- 修复了关键点检测以获得更准确的姿态分析
- 改进了摄像头访问和处理的错误处理
- 优化了快照保存以减少磁盘使用
- 从Tkinter迁移到PyQt5以获得更现代的界面